Виявлення зв’язку між структурою (зв’язком) і функцією (активністю нейронів) є фундаментальним питанням у багатьох галузях біології. Однак досліджувати це безпосередньо в мозку тварин складно через величезну складність їхніх нейронних зв’язків і інвазивні операції, які зазвичай необхідні. Вирощені в лабораторії нейрони зі штучно контрольованими зв’язками можуть стати корисною альтернативою випробуванням на тваринах, особливо коли ми навчимося точно характеризувати їхню поведінку.
Дослідницька група з Університету Тохоку використовувала мікрофлюїдні пристрої, щоб виявити, як спрямовані зв’язки формують складну динаміку нейронних мереж. Вони також розробили математичні моделі на основі експериментальних даних, щоб передбачити, як зв’язок впливає на діяльність у просторі та часі.
Результати були опубліковані в Нейронні мережі 28 листопада 2024 року.
Подібно до річкової течії, спрямовані зв’язки в нейронних мережах поширюють сигнали вниз за течією від однієї області до іншої. Мікрорідинний пристрій має крихітні канали, які можуть точно спрямовувати потік, що може допомогти виготовити нейрони, які реагують більш подібно до моделей in vivo. Вивчаючи нейрони in vitro в лабораторних умовах, дослідницька група змогла ефективно та конструктивно дослідити, чи відіграють односторонні зв’язки інші фундаментальні ролі у формуванні динаміки мозку.
«Мозок важко зрозуміти, частково тому, що він динамічний — він може навчитися по-різному реагувати на ті самі подразники з часом на основі ряду факторів», — говорить провідний автор Нобуакі Монма.
Дослідницька група виготовила нейронні мережі з модульним зв’язком (як це спостерігається в нервових системах тварин) і вбудованими спрямованими зв’язками між модулями за допомогою мікроканалів. Зв'язки були вбудовані в спосіб прямого зв'язку, щоб мінімізувати надмірні реакції збудження. Використовуючи кальцієву візуалізацію для запису спонтанної активності нейронної мережі, вони виявили, що мережі, що включають спрямовані зв’язки, демонструють більш складні моделі активності порівняно з мережами без спрямованості.
Крім того, дослідники розробили дві математичні моделі, щоб прояснити основні мережеві механізми, що лежать в основі біологічних спостережень, і передбачити конфігурації, які забезпечать більшу динамічну складність. Моделі визначили, що взаємодія між модульністю та зв’язністю сприяє більш складним моделям діяльності.
«Очікується, що результати цього дослідження не тільки поглиблять наше фундаментальне розуміння нейронних мереж у мозку, але й знайдуть застосування в таких сферах, як медицина та машинне навчання», — пропонує доцент Хідеакі Ямамото.
Це також може запропонувати модель in vitro для розробки біологічно правдоподібних штучних нейронних мереж. Подальші теоретичні досягнення також сприятимуть моделюванню великомасштабних мереж, що може дати розуміння майбутнього аналізу коннектомів мозку. Чим глибше ми будемо розуміти ці нейронні мережі, тим більше їх можна буде використовувати як надійний інструмент для розкриття багатьох таємниць мозку.
